Bildklassifikator für CIFAR-10

Aufgabe

Ziel war ein Modell, das ein Bild einer der zehn Klassen von CIFAR-10 zuordnet, mit einer Genauigkeit deutlich über der Baseline.

Lösung

Ich habe ein Convolutional Network in Keras und TensorFlow gebaut, die Daten vorbereitet und augmentiert, Convolutional-Blöcke mit Regularisierung gegen Overfitting umgesetzt und die Hyperparameter abgestimmt. Training und Metriken liefen in Jupyter, das fertige Modell ist für die Inferenz gespeichert.

Umgesetzte Aufgaben

• Ein Convolutional Network in Keras und TensorFlow für 10 Klassen gebaut
• Die Genauigkeit durch Hyperparameter-Tuning über die Baseline gebracht
• Convolutional-Blöcke mit Regularisierung gegen Overfitting umgesetzt
• Die Daten augmentiert und das trainierte Modell für die Inferenz gespeichert

Ergebnis

Ein funktionierendes Modell mit stabiler Testgenauigkeit und gespeicherten Gewichten. Es lässt sich ohne erneutes Training für die Bilderkennung einsetzen.

Technologien

Python/Keras/Jupyter